PowerEdge. Проблемы с регулированием температуры графического процессора или графическим процессором не обнаружены

• Производительность графического процессора снижается при высокой нагрузке.
• Тактовая частота графического процессора автоматически снижается для защиты оборудования.
• Температура графического процессора достигает высоких значений во время нагрузочных нагрузок.
• В журнале системных событий (SEL) отображаются предупреждения, связанные с температурой на входе в систему.
• Графический процессор не отображается в операционной системе или средствах управления.
• Команда nvidia-smi Не отображается устройство графического процессора.
• iDRAC или BIOS не обнаруживают установленный графический процессор.

• Высокая температура воздуха в центре обработки данных
• Недостаточный поток воздуха или заблокированный забор воздуха в серверной стойке
• Неверный профиль вентилятора или неправильные настройки температуры.
• Графический процессор неправильно установлен в разъем PCIe
• Неподдерживаемая конфигурация графического процессора или несоответствие микропрограммы
• Устаревшая версия BIOS, iDRAC или микропрограммы графического процессора
• Проблемы с подключением питания или кабелями для модулей графического процессора

1. Проверьте температуру графического процессора и состояние регулировки.

Выполните следующую команду в операционной системе, чтобы проверить производительность графического процессора и состояние регулирования графических процессоров Nvidia:

nvidia-smi -q -d performance

Если для причин регулирования указано значение «Не активно», графический процессор работает нормально.

2. Мониторинг температуры системы:

• Проверьте журнал системных событий (SEL) в iDRAC.
• Проверьте журнал жизненного цикла на наличие предупреждений о температуре.
• Проверьте температуру системы на входе в разделе Обзор температуры.

3. Улучшение условий охлаждения:

• Убедитесь, что температура окружающей среды в центре обработки данных находится в поддерживаемых пределах.
• Устраните засоры вентиляции в стойке.
• Убедитесь, что все системные вентиляторы работают правильно.
• Используйте соответствующие вентиляционные кожухи и комплекты охлаждения графического процессора.

4. Проверка установки оборудования графического процессора.

• Убедитесь, что графический процессор правильно установлен в разъем PCIe.
• Проверьте кабели питания и разъемы графического процессора.
• Убедитесь, что графический процессор поддерживается на серверной платформе.

5. Обновление микропрограммы системы:

• Обновите BIOS сервера.
• Обновите микропрограмму iDRAC.
• Обновите драйверы и микропрограмму графического процессора.

6. Проверьте обнаружение графического процессора.

Выполните следующую команду, чтобы проверить, обнаруживается ли графический процессор Nvidia системой:

nvidia-smi

Если графический процессор не обнаружен, проверьте настройки BIOS и установку оборудования.

7. Проверьте графический процессор в другом разъеме PCIe:

Если графический процессор не обнаруживается или по-прежнему испытывает проблемы с производительностью, попробуйте установить графический процессор в другой свободный разъем PCIe.

• Выключите сервер и отсоедините кабели питания.
• Извлеките графический процессор из текущего разъема PCIe.
• Установите графический процессор в другой поддерживаемый разъем PCIe.
• Снова подключите питание и включите систему.
• Проверьте, обнаружен ли графический процессор, с помощью команды nvidia-smi или в инвентаризации оборудования iDRAC.

Если графический процессор обнаружен в другом разъеме, возможно, возникла проблема с конфигурацией или оборудованием в исходном разъеме PCIe.

8. Выполните диагностический тест графического процессора:

Запустите инструмент диагностики NVIDIA DCGM (NVIDIA Data Center GPU Manager), чтобы проверить работоспособность графического процессора Nvidia и обнаружить потенциальные проблемы с оборудованием или температурой.

1. Доступ к операционной системе через SSH или консоль.
2. Выполните следующую команду, чтобы выполнить расширенное диагностическое тестирование графического процессора:

sudo dcgmi diag

Эта команда выполняет комплексный диагностический тест, в ходе которого проверяются память графического процессора, возможности подключения PCIe и терморегуляция. Просмотрите выходные данные, чтобы выявить проблемы, связанные с оборудованием или производительностью.